안녕하세요.

저는 이번에 4학년 올라가는 서울소재 대학의 학생입니다.
전공은 산업공학이구요… 여러가지 통계 과목들과 데이터마이닝 머신러닝 수업을 들으면서,
머신러닝 분야가 전망이 좋을뿐아니라 창의적으로 문제를 정의하는 능력이 요구된다는 점에서 적성에도 맞다고 생각해서 머신러닝 엔지니어가 되는것을 목표로 잡게 되었습니다.

다만, 이러한 목표를 잡기전에 전자공학을 복수전공하고 있었는데 머신러닝 쪽으로 진로를 잡은 상황에서 이러한 전자공학 쪽 지식(회로이론, 전자기학,물리전자)이 도움이 될지 모르겠습니다. 앞으로 계속 전자공학을 이수한다면 전자회로, 임베디드 시스템 쪽으로 수업을 들을 계획인데 이러한 하드웨어에 대한 이해가 훌륭한 머신러닝 엔지니어로 성장하는데 도움이 될까요?

만약 관련이 없다면, 깔끔하게 포기하고 통계 쪽 지식을 더 쌓고 머신러닝 관련 프로젝트에 힘을 쏟는 쪽으로 학교를 다닐 생각입니다.

정리해서 질문드리면, 하드웨어에 대한 이해가 머신러닝 엔지니어에게 크리티컬한 무기로 작용할수 있나요? 입니다.
감사합니다.

전자공학, 산업공학, 금융공학, 데이터사이언스 등 그때그때 유행(?)하던 분야들을 거쳐 지금은 미국에서 데이터 사이언티스트로 일하고 있는 사람의 개인적 의견입니다.
위에서 언급하신 과목들은 별 도움 안될것 같습니다. 물론 조금의 도움은 되더라도 저 과목들을 제대로 공부하는데 들이는 노력을 생각하면 효율적이지 못하다고 생각됩니다. 하나의 목표로 잡고 집중적으로 파는게 더 나을듯 합니다. 요즘은 관련 기술들이 많이 나와서 한 분야만 파고 따라가기에도 힘이 듭니다. 제가 님의 입장, 혹은 과거로 돌아가서 전공을 다시 선택한다면 전자공학 혹은 컴싸에 집중할듯 합니다. 다시한번 말하지만 개인적 의견입니다.

머신러닝이란 단어에서 사용된 머신이란 의미는 하드웨어란 개념이 아니고 인간이아닌 “장치”를 의미하는 포괄적 개념일 뿐이다. 즉. 인간이 직접 학습하는게 아니라 기계를 학습시킨다는 상대적 포괄적 개념이란거지. 기계장비의 구동을 목표로하는 임베디드 프로그래밍과 달리 순수 애플레케이션 그 자체를 지향하는 인공지능 데이터마이닝 등의 분야에선 하드웨어 지식은 거의 불필요하다고 보면 과히 틀리지 않는다. 물론 미래의 고도로 상업화된 “진짜” 인공지능 분야가 시작되면 하드웨어 의존도도 상당해질것은 분명하다. 하지만 그 상황에서도 임베디드의 기본 룰은 바뀌지 않는다. 즉, 하드웨어는 퍼포먼스를 좌우할뿐 애플리케이션이 상품으로서의 개념이나 로직 자체를 바꾸는 요소가 아니라는거다.

굳이요. 차라리 전기과에서 신호처리 이쪽 수업을 파시는게 맞겠죠

솔찍히 통계는 별 필요 없구요.. CS해서 프로그래밍 (C++, java, sql, python,..) 뭐 하나 파시는거 추천합니다

헉, 통계가 필요없다뇨? 단순하게 머신러닝 패키지를 돌리고 마는 거면 그럴 수 있지만 조금만 더 깊게 들어가려면 확률/통계 지식이 필요합니다.

뭐.. mle, distributions, basic significance tests, sampling, simulation 정도는 알아야겠지만 머신러닝은 프로그래밍이 관건이죠.. 어차피 통계 하는 사람들이랑 콜라보로 많이해서 자세히는 알 필요 없고 algorithm 짤 줄 알고 visualization 좀 만들고 query 잘 짜면 취업 해요. 그냥 프로그래밍을 잘 하면 됩니당..

체력도 관건임더. 런닝머신도 열심히 하기를.